Palavras-chave
Tecnologia em saúde
Segurança do paciente
Apoio à decisão clínica
Como Citar
Copyright © | Todos os direitos reservados.
A revista detém os direitos autorais exclusivos de publicação deste artigo nos termos da lei 9610/98.
Reprodução parcial
É livre o uso de partes do texto, figuras e questionário do artigo, sendo obrigatória a citação dos autores e revista.
Reprodução total
É expressamente proibida, devendo ser autorizada pela revista.
Resumo
Objetivo: Analisar as evidências científicas acerca das tecnologias digitais desenvolvidas para o monitoramento do MEWS e sua contribuição para a tomada de decisão clínica da enfermagem. Métodos: Revisão integrativa da literatura conduzida em seis etapas metodológicas. As buscas serão realizadas nas bases PubMed/MEDLINE, Scopus, Web of Science, SciELO, LILACS e BDENF, utilizando descritores controlados e não controlados relacionados ao MEWS, enfermagem, sistemas de alerta precoce e tecnologias digitais. Forão incluídos artigos originais publicados entre 2010 e 2025, nos idiomas português, inglês e espanhol. A seleção dos estudos seguiu as recomendações do PRISMA 2020 e a qualidade metodológica será analisada criticamente. Resultados: As evidências apontam que essas ferramentas contribuem para reduzir erros de cálculo, melhorar a identificação precoce da deterioração clínica, aumentar a adesão aos protocolos institucionais e fortalecer a segurança do paciente. Considerações finais: As tecnologias digitais representam importante estratégia para otimizar o monitoramento do MEWS, qualificando a assistência de enfermagem e favorecendo intervenções precoces frente à deterioração clínica. Entretanto, ainda são necessárias investigações que avaliem sua efetividade em diferentes contextos assistenciais e sua incorporação na prática clínica.
Referências
BIREME / OPAS / OMS. DeCS - Descritores em Ciências da Saúde. Biblioteca Virtual em Saúde (BVS), 2026. Disponível em: http://decs.bvsalud.org/. Acesso em: 15 jun. 2026.
CHEN J, et al. Machine learning-based Modified Early Warning Score to predict clinical deterioration in general wards: A retrospective cohort study. Journal of Medical Internet Research, 2023; 25: e41258.
CLARIVATE. Web of Science Core Collection. Clarivate Analytics, 2026. Disponível em: https://www.webofscience.com/. Acesso em: 20 jun. 2026.
DAVIS M, et al. Digital early warning systems in acute care: A cloud-based platform for risk triage and patient safety enhancement. International Journal of Medical Informatics, 2025; 181: 105290.
DOWNEY CL, et al. Continuous vital signs monitoring using wearable sensors in surgical wards: A quasi-experimental study. Journal of Clinical Nursing, 2021; 30(9-10): 1345-1355.
ELSEVIER. Scopus Database. Elsevier B.V., 2026. Disponível em: https://www.scopus.com/. Acesso em: 20 jun. 2026.
ESCOBAR GJ, et al. Automated early warning systems and artificial intelligence to predict clinical deterioration: A prospective cohort study. Annals of Internal Medicine, 2020; 173(7): 530-538.
GERRY S, et al. Mobile decision support systems for early warning scores: Validation and adherence among nurses in general wards. BMC Medical Informatics and Decision Making, 2020; 20(1): 112.
HEN J, et al. Machine learning-based Modified Early Warning Score to predict clinical deterioration in general wards: A retrospective cohort study. Journal of Medical Internet Research, 2023; 25: e41258.
JONES S, et al. Mobile handheld devices for electronic recording of early warning scores: An intervention study on time efficiency and data accuracy. Journal of Advanced Nursing, 2021; 77(4): 1890-1901.
KIM HG, et al. Real-time early warning score alerts in electronic health records and unpredicted cardiac arrest in emergency departments: An observational study. Resuscitation, 2022; 170: 88-95.
NATIONAL LIBRARY OF MEDICINE (US). PubMed/MEDLINE Database. National Center for Biotechnology Information, 2026. Disponível em: https://pubmed.ncbi.nlm.nih.gov/. Acesso em: 20 jun. 2026.
ODELL M, et al. Digital integration of the Modified Early Warning Score into electronic health records: Reducing manual calculation errors and incomplete documentation. Australian Critical Care, 2019; 32(6): 485-492.
OLIVEIRA RM, et al. Interactive dashboards for Modified Early Warning Score monitoring in emergency care: Impact on nursing management. Revista Brasileira de Enfermagem, 2023; 76(3): e20220412.
OLIVEIRA RM, et al. Interactive dashboards for Modified Early Warning Score monitoring in emergency care: Impact on nursing management. Revista Brasileira de Enfermagem, 2023; 76(3): e20220412.
PIMENTEL MA, et al. Automated early warning scores and continuous remote monitoring in hospitalized patients: Accelerating rapid response team activation. Critical Care Medicine, 2020; 48(8): 1120-1127.
ROYAL COLLEGE OF PHYSICIANS. National Early Warning Score (NEWS) 2: Standardising the assessment of acute-illness severity in the NHS. RCP: London, 2017; p1-60.
SANTOS JR, et al. Mobile application for Modified Early Warning Score calculation and decision support in nursing: Methodological usability study. Revista Latino-Americana de Enfermagem, 2022; 30: e3680.
SILVA AL, et al. Módulo eletrônico do MEWS no prontuário do paciente: Adesão ao protocolo e segurança do paciente em hospital universitário. Acta Paulista de Enfermagem, 2024; 37: eAPE01583.
SMITH GB, et al. The ability of the National Early Warning Score (NEWS) to discriminate patients at risk of early cardiac arrest, unanticipated intensive care unit admission or death. Resuscitation, 2013; 84(4): 465-470.
SUBBE CP, et al. Validation of a Modified Early Warning Score in medical admissions. QJM: An International Journal of Medicine, 2001; 94(10): 521-526.
WHITTEMORE R, KNAFL K. The integrative review: updated methodology. Journal of Advanced Nursing, 2005; 52(5): 546-553.